基于信息融合的車載式變壓器運行信息特征提取系統設計

戴迎宏，陳威，閆培淵，周際，湯國龍

（1.國網電力科學研究院武漢南瑞有限責任公司，武漢 430074； 2.南瑞集團有限責任公司，南京 210000）

引言

作為車輛行駛過程中的主要電氣設備，車載式變壓器的運行狀態對于車輛的安全行駛與經濟效益產生直接影響[1]。由于車載式變壓器的運行環境與本身結構均較為復雜，因此其出現不同故障的概率較高[2]，如絕緣、短路與放電等方面的故障等。當車載式變壓器出現故障時，輕則導致財力、人力與物力的損失，重則導致人員傷亡。由此可知，確保車載式變壓器的安全穩定運行極為重要，而監測車載式變壓器運行信息，根據其運行信息特征判斷其運行狀態是確保車載式變壓器的安全穩定運行的關鍵[3]。

以往獲取車載式變壓器運行信息特征提取時主要采用基于變分模態分解和獨立分量分析的提取系統和基于時域介電譜和去極化電量的提取系統[4，5]，但上述系統在獲取車載式變壓器運行信息時數據來源較為單一，運行信息的不全面導致特征提取的準確性受到一定限制。針對此問題，設計基于信息融合的車載式變壓器運行信息特征提取系統，獲取高精度的車載式變壓器運行狀態，提升車輛運行安全性。

1 車載式變壓器運行信息特征提取系統

1.1 系統整體結構設計

基于信息融合的車載式變壓器運行信息特征提取系統通過數個專家模塊獲取車載式變壓器運信息特征過程中，各專家模塊得到的結果有所差異，因此這些不同結果之間的相互融合至關重要[6]。車載式變壓器運行信息主要來源為傳感器的監測，其中還存在部分理論知識或中間結果等[7]。因此基于車載式變壓器運行信息特征提取的特點與要求，以信息融合的層次為依據進行車載式變壓器運行信息特征提取系統結構設計，如圖1所示。

數據層中利用傳感器監測車載式變壓器運行過程中的局部放電現象與油內溶解氣體情況[8]，利用信息融合模型融合傳感器采集的不同方面各監測點的原始信息，最大限度上提升信息保持率，通過信息融合實現采集數據的誤差校正。

特征層中基于數據層融合結果，選取D-S（Dempster/Shafer）證據原理進行不同方面的信息特征融合[9]。通過電聲定位法、統計算子分析法和神經網絡分析法等獲取車載式變壓器運行過程中局部放電狀態信息，利用特征氣體法、神經網絡以及三比值法確定車載式變壓器運行過程中油內溶解氣體狀態信息，融合不同方法獲取的狀態信息后實施特征提取，結合專家知識以及我國相關法律法規中設定的標準數據，進行信息特征融合。

決策層根據特征層的信息融合結果，結合專家建議、傳感器采集數據和維修記錄等將不同方面的信息特征實施進一步加權融合[10]，由此獲取車載式變壓器運行信息特征。

1.2 DS證據原理

圖1 車載式變壓器運行信息特征提取系統結構圖

作為人工智能領域中的不確定推理方法，D-S證據原理的主要優勢體現在其可滿足同貝葉斯概率論相比更微小的條件，能夠直接呈現“不確定”和“不知道”[11]，被普遍應用在不確定信息推理以及目標識別等領域中。利用D-S證據原理能夠將車載式變壓器來源與描述方式均有所差異的信息融合為效用更高的信息，且具有較強的決策能力。

假設k:2Y→ [ 0,1]，同時符合下述描述：

式（1）和式（2）分別描述不可能存在的運行狀態發生概率和全部運行狀態發生的概率。其中k和k(S)分別表示Y上命題S的基本概率分配函數和對S的置信度。

其中，d(S)和k(G)分別表示置信函數和對G的置信度。

定義：

其中p(S)表示S的似然函數。

在?S?Y的條件下，利用式（7）實現Y上元素的證據融合：

上式內，T表示沖突系數，其計算公式如下：

沖突系數的高低可描述證據間的沖突水平，T值越大說明證據間沖突越大[12]。在T值較大的條件下，數據融合結果可信度較低。

通過D-S證據原理內的概率分配函數、置信函數與似然函數等，能夠處理不同信息造成的不確定問題，提升信息特征融合的魯棒性。

1.3 專家建議模塊

專家建議模塊是決策層的核心，其結構如圖2所示，其中包含人機交互界面、推理機、知識庫與數據庫等主要組成部分[13]。

專家建議模塊的核心是推理機與知識庫，推理機的主要功能是基于知識庫內存儲的專家知識，通過推理過程進行問題求解。

專家建議模塊詳細運行過程為：使用者利用人機交互界面提出相關專業問題；推理機根據該問題在知識庫內查詢相關知識并實施推理求解[14]；基于推理機所得結果構建問題解答集合；在解答集合內選取最佳解答；利用解釋器將推理過程與選取的最佳解答提供給使用者，若未找到相關問題的解答，則向使用者提出“無解”。

1.4 推理機推理流程

作為專家建議模塊的主控程序，推理機的主要功能是協調控制整體系統[15]，針對數據采集模塊采集的車載式變壓器運行數據選取匹配的數據庫實施推理，由此獲取相應的運行信息特征。具體推理流程如圖3所示。

圖2 專家建議模塊基本結構

在確定車載式變壓器非正常運行條件下，知識庫內用于提取運行信息特征的知識包括兩種分別是局部特征量分析和油內溶解氣體分析。采用電聲定位法、統計算子分析法和神經網絡分析法進行局部放電采集數據的特征提取，選取三比值法、神經網絡分析法和特征氣體法提取油內溶解氣體采集數據的特征，不同特征提取方法均可單獨獲取一份車載式變壓器運行信息特征提取結果，因此需采用加權算法進行信息融合實現車載式變壓器運行信息特征提取。

推理過程中采用WM加權算法進行信息融合，表達式如下：（9）

上式內，θ、Ui和Ei分別表示最終信息特征提取結果、第i個專家的判斷結果和第i個專家判斷結果的權重。

2 實驗分析

實驗為驗證本文設計的基于信息融合的車載式變壓器運行信息特征提取系統的應用性能，選取某品牌汽車采用的96X40型車載式變壓器為實驗對象（見圖4），采用本文系統提取其運行過程中的運行信息特征，判斷其運行狀態。

2.1 系統開發環境與運行環境

2.1.1 開發環境

本文系統開發過程中分別選取Microsoft Visual C++和SQL Srever2000 數據庫作為系統開發環境與數據庫。

作為可視化軟件開發工具，Microsoft Visual C++由編輯器與調試器等組件構成，其具有強大功能，可實現面向對象與過程兩種程序設計方法，能夠編譯不同類別的Windows程序。

SQL Srever2000采用使用者/服務器體系架構，可實現不同數據庫服務器間的協同運行，在提供運用程序數據存儲與OLAP處理功能的同時，還附加全面的圖形管理工具與向導，可實現數據庫的創建、配置與維護。

2.1.2 運行環境

實驗過程中本文系統運行環境設定如表1所示，以確保系統的正常運行。

2.2 系統運行情況

圖3 基于信息融合技術的推理分析流程

圖4 實驗對象

本文系統開發過程中選用使用者/服務器體系架構，其具有有序操作的特性，就是數據庫服務器的相關服務不同終端均可使用。設計本文系統車載式變壓器運行信息特征提取過程終端信息采集界面與運行信息特征提取顯示界面，結果如圖5所示。

圖5（a）當前實驗對象所示為油內溶解氣體信息采集界面，其中包含C2H2、CH4、H2和CO2等特征氣體含量。將所得信息傳輸至數據庫服務器內，利用專家建議模塊推理出當前實驗對象運行信息特征，判斷其運行狀態，如圖5（b）所示。由此驗證了本文系統的有效性。

表1 系統運行環境

圖5 系統界面設計

2.3 系統信息特征提取精度

實驗為驗證本文系統的信息特征提取精度，選取實驗對象9組不同的油內溶解氣體監測信息（見表2），分別采用本文系統和基于變分模態分解和獨立分量分析的提取系統提取其信息特征，判斷其運行狀態，并將不同系統判斷結果與實際結果相對比，結果如表3所示。

表2 油內溶解氣體監測信息

表3 油內溶解氣體信息狀態判斷精度

分析表3能夠得到，本文系統提取實驗對象運行信息特征，判斷其運行狀態的結果同實際運行狀態的一致度與對比系統相比更高，這是由于本文系統采用信息融合技術，融合多方面的運行信息，能夠全面、準確的描述不同運行狀態的特征。

2.4 應用性能

實驗為驗證本文系統在車輛運行過程中的實際應用性能，選取100位相關領域中的專家學者，對上述兩個系統提取實驗對象運行信息特征結果對于車輛行駛安全的提升比例進行評估，100位學者平均分為10組，評估結果以百分制進行描述，結果如表4所示。

分析表4得到，采用本文系統提取實驗對象運行信息特征，判斷其運行狀態，車輛行駛安全比例提升幅度均值達到7.17 %，與對對比系統相比提升3.84 %，由此可知本文系統具有更高的應用價值，可廣泛推廣。

3 結論

具有復雜結構與運行環境的車載式變壓器，運行狀態具有多樣性、隨機性與不確定性，導致其安全性能受到嚴重影響。本文設計基于信息融合的車載式變壓器運行信息特征提取系統，針對車載式變壓器局部放電信息采集結構和油內溶解氣體信息采集結果等，采用不同分析方法獲取信息特征，并將特征融合。本文系統在有效提取實驗對象運行信息特征的基礎上，提升實驗對象運行狀態判斷精度，具有較高應用價值。

表4 專家評估結果